基于Bigtable与MapReduce的Apriori算法改进

摘要：

为提高Apriori算法挖掘频繁项目集的效率,引进了Bigtable技术与MapReduce模型来对Apriori算法进行优化,设计出大数据环境下挖掘频繁项目集的新算法BM-Apriori算法.与单纯基于MapReduce模型的Apriori改进算法相比,新算法利用Bigtable的时间戳属性代替了键/值对的产生,只需扫描数据库一次即可,节约了模式匹配的时间.同时,BM-Apriori算法在项集列表中新增事务标号列,自动获取事务标号以计算支持度.将BM-Apriori算法在Hadoop平台上进行了实验,结果表明Bigtable技术的融入使得BM-Apriori算法具有更高的效率与可拓展性.

关键词：Apriori算法、Bigtable、MapReduce、大数据

所属期刊栏目：42

分类号：TP301.61(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目71272191

在线出版日期：2015-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：208-210,243